💻 computer science

SharpNet: Enhancing MLPs to Represent Functions with Controlled Non-differentiability

शार्पनेट (SharpNet) एक संशोधित एमएलपी (MLP) आर्किटेक्चर है जो पॉइसन के समीकरण (Poisson's equation) से व्युत्पन्न एक सहायक फीचर फंक्शन के साथ नेटवर्क को संवर्धित करके नियंत्रित गैर-अवकलनीयता (non-differentiability) के साथ फलनों के सटीक प्रतिनिधित्व को सक्षम बनाता है, जिससे फीचर लोकेशन्स और नेटवर्क मापदंडों के संयुक्त अनुकूलन की अनुमति मिलती है ताकि बिना धुंधलापन के तीखे किनारों और कोनों को सटीक रूप से रिकवर किया जा सके।

मूल लेखक: Hanting Niu, Junkai Deng, Fei Hou, Wencheng Wang, Ying He

प्रकाशित 2026-07-07

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Hanting Niu, Junkai Deng, Fei Hou, Wencheng Wang, Ying He

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक कंप्यूटर को एक सटीक 3D वस्तु बनाना सिखाने की कोशिश कर रहे हैं, जैसे कि एक खिलौना रोबोट या फर्नीचर का कोई टुकड़ा। आप चाहते हैं कि कंप्यूटर रोबोट के हाथ के चिकने घुमावों (curves) को सीखे, लेकिन आपको यह भी चाहिए कि वह उस जगह को भी सीख सके जहाँ हाथ और शरीर मिलते हैं, जो कि एकदम तीखे और स्पष्ट किनारे (sharp edges) होते हैं।

समस्या: "बहुत अधिक चिकना" कलाकार (The "Too Smooth" Artist)
इस काम के लिए उपयोग किए जाने वाले मानक AI उपकरण (जिन्हें MLPs कहा जाता है) ऐसे कलाकारों की तरह हैं जो केवल एक नरम, गोल ब्रश का उपयोग करना जानते हैं। वे सुंदर, बहते हुए परिदृश्यों (landscapes) को चित्रित करने में अद्भुत हैं। लेकिन यदि आप उनसे एक तीखा कोना बनाने के लिए कहते हैं, तो वे उसे "धुंधला" (smudge) कर देते हैं। वे बदलाव को इतना चिकना बनाने की कोशिश करते हैं कि तीखा किनारा एक गोल उभार में बदल जाता है। CAD (कंप्यूटर-एडेड डिज़ाइन) के लिए यह एक समस्या है क्योंकि इसमें तीखे किनारे अनिवार्य होते हैं।

अन्य तरीके इस समस्या को ठीक करने के लिए वस्तु को छोटे-छोटे टुकड़ों (patches) में या पिक्सेल के ग्रिड में बांटने की कोशिश करते हैं। लेकिन यह एक तीखा कोना बनाने के लिए केवल चौकोर लेगो (Lego) ईंटों का उपयोग करने जैसा है; या तो आपको टेढ़े-मेढ़े (jagged) किनारे मिलेंगे, या फिर आप एक खुला किनारा (open edge) नहीं बना पाएंगे क्योंकि पहेली के टुकड़े आपस में सही से फिट नहीं बैठते।

समाधान: शार्पनेट (SharpNet)
लेखकों ने एक नया टूल बनाया है जिसे SharpNet कहा जाता है। SharpNet को ऐसे समझें जैसे आपने कलाकार को एक विशेष "स्टेंसिल" (stencil) या "गाइड रेल" दे दी हो, जो उसे ठीक-ठीक बताती है कि उसे चिकनापन कब रोकना है और तीखा कट कब शुरू करना है।

यह इस प्रकार काम करता है, कुछ सरल उपमाओं का उपयोग करते हुए:

"अदृश्य बाड़" (The "Invisible Fence" - द फीचर फंक्शन):
कल्पना कीजिए कि आप कागज पर एक सीधी रेखा खींचना चाहते हैं। केवल यह अनुमान लगाने के बजाय कि रेखा कहाँ जाएगी, आप एक पतली, अदृश्य बाड़ लगा देते हैं।

बाड़ के एक तरफ, पेंट सुचारू रूप से बहता है।
दूसरी तरफ भी, पेंट सुचारू रूप से बहता है।
लेकिन ठीक बाड़ पर, पेंट अचानक अपनी दिशा बदल देता है।

SharpNet इस "बाड़" को गणितीय रूप से बनाता है। यह एक विशेष फॉर्मूला (जो पॉइसन के समीकरण (Poisson's equation) पर आधारित है) का उपयोग करके एक ऐसा क्षेत्र बनाता है जो हर जगह पूरी तरह से चिकना होता है सिवाय ठीक उसी जगह के जहाँ उपयोगकर्ता को तीखा किनारा चाहिए। यह सुनिश्चित करता है कि AI को पता हो कि ठीक कहाँ "कट" लगाना है।

"स्मार्ट ब्रश" (The "Smart Brush" - द नेटवर्क):
AI (एक MLP) इस अदृश्य बाड़ को देखता है। यह सीखना शुरू करता है कि, "ठीक है, मैं यहाँ चिकना रहूँगा, लेकिन ठीक इस बाड़ पर, मैं अपना व्यवहार तुरंत बदल दूँगा।" क्योंकि बाड़ के पीछे का गणित बहुत सटीक है, इसलिए AI गलती से गलत जगहों पर तीखे निशान (artifacts) नहीं बनाता है (जैसा कि अन्य तरीकों में देखा जाता है)।
"बाड़ को सीखना" (Learning the Fence - द मैजिक ट्रिक):
आमतौर पर, आपको कंप्यूटर को ठीक-ठीक बताना पड़ता है कि तीखे किनारे कहाँ हैं। लेकिन SharpNet चतुर है। यदि आप नहीं जानते कि किनारे कहाँ हैं, तो AI वास्तव में बाड़ को खुद ही हिलाना सीख सकता है। यह आकार को सीखते समय "अदृश्य बाड़" की स्थिति को भी समायोजित करता है, जिससे वह तीखे किनारे बनाने के लिए एकदम सही जगह ढूंढ लेता है। यह एक मूर्तिकार की तरह है जो न केवल पत्थर को तराशता है, बल्कि यह भी पता लगाता है कि सबसे तीखा कोना पाने के लिए छेनी कहाँ मारनी चाहिए।

यह बेहतर क्यों है?

कोई धुंधलापन नहीं (No Smudging): मानक AI के विपरीत, SharpNet तीखे किनारों को तीखा और चिकने हिस्सों को चिकना बनाए रखता है।
कोई पहेली के टुकड़े नहीं (No Puzzle Pieces): इसे वस्तु को छोटे पैच में काटने की आवश्यकता नहीं है। यह जटिल आकृतियों, खुले किनारों और अजीब घुमावों को बिना भ्रमित हुए संभाल सकता है।
लचीलापन (Flexible): यह तब भी काम करता है जब आप इसे कॉपी करने के लिए एक आदर्श 3D मॉडल देते हैं, या केवल एक बिखरे हुए बिंदुओं के बादल (जैसे लेजर स्कैन) को देते हैं और इसे आकार का पता लगाने के लिए कहते हैं।

वास्तविक दुनिया के परीक्षण
लेखकों ने SharpNet का परीक्षण किया:

2D आकृतियाँ: ऐसी रेखाएँ और वक्र (curves) बनाना जहाँ "तीखापन" विशिष्ट बिंदुओं पर होता है। SharpNet ने इसे सही ढंग से किया; अन्य तरीकों ने इसे धुंधला या टेढ़ा-मेढ़ा बना दिया।
3D CAD मॉडल: जटिल मशीनों और खिलौनों का पुनर्निर्माण करना। SharpNet ने सफलतापूर्वक उन तीखे कोनों और किनारों को फिर से बनाया जिन्हें अन्य तरीकों ने या तो गोल कर दिया था या तोड़ दिया था।

संक्षेप में
SharpNet 3D आकृतियों को बनाने का एक नया तरीका है। यह एक गणितीय गाइड जोड़कर "बहुत अधिक चिकने" AI की समस्या को हल करता है जो AI को ठीक-ठीक बताता है कि उसे तीखे, स्पष्ट किनारे कहाँ बनाने हैं, जबकि बाकी के हिस्से को पूरी तरह से चिकना रखता है। यह कंप्यूटर को एक रूलर (पटरी) और एक तेज चाकू देने जैसा है, ताकि वह पूर्ण सटीकता के साथ वक्र और कोने दोनों बना सके।

तकनीकी सारांश: SharpNet

समस्या विवरण (Problem Statement)
मल्टी-लेयर पर्सेप्ट्रॉन्स (MLPs) फलन सन्निकटन (function approximation) और ज्यामिति प्रतिनिधित्व (जैसे कि NeRFs और SDFs में न्यूरल साइन्ड डिस्टेंस फंक्शन्स) के लिए मानक उपकरण हैं। हालांकि, स्मूथ एक्टिवेशन फंक्शन वाले मानक MLPs वैश्विक रूप से स्मूथ ( $C^\infty$ ) आउटपुट उत्पन्न करते हैं, जबकि ReLU-आधारित MLPs केवल पीसवाइज लीनियर ( $C^0$ ) होते हैं लेकिन गैर-विभेद्यता (non-differentiability) के स्थान पर सटीक नियंत्रण की कमी होती है। यह सीमा मौजूदा विधियों को उन फलनों का प्रतिनिधित्व करने में कठिन बनाती है जो निरंतर (continuous) तो हैं लेकिन जिनमें विशिष्ट, उपयोगकर्ता-निर्धारित या सीखने योग्य स्थानों पर जानबूझकर ग्रेडिएंट विच्छिन्नता (gradient discontinuities - जैसे तीखे किनारे, कोने, या मीडियल एक्सिस) मौजूद हैं। मौजूदा दृष्टिकोण, जैसे कि ग्रिड-आधारित विधियाँ (InstantNGP) या पैच-सबडिवीजन विधियाँ (NH-Rep), अक्सर आर्टिफैक्ट्स (artifacts), ग्रिड-अलाइन्ड आर्टिफैक्ट्स पेश करते हैं या ओपन (गैर-बंद) शार्प फीचर्स और जटिल टोपोलॉजी को संभालने में विफल रहते हैं।

कार्यप्रणाली (Methodology)
लेखक SharpNet का प्रस्ताव करते हैं, जो एक ऐसा MLP आर्किटेक्चर है जिसे उन फलनों का प्रतिनिधित्व करने के लिए डिज़ाइन किया गया है जो लगभग हर जगह स्मूथ हैं लेकिन निर्धारित स्थानों पर नियंत्रित गैर-विभेद्यता ( $C^0$ निरंतरता के साथ ग्रेडिएंट जंप) प्रदर्शित करते हैं।

पॉइसन समीकरण के माध्यम से फीचर फंक्शन (Feature Function via Poisson's Equation):
SharpNet मानक MLP इनपुट को एक सहायक फीचर फंक्शन, $f: \Omega \to \mathbb{R}$ के साथ संवर्धित करता है। यह फंक्शन एक फीचर सेट $M$ (2D में वक्र या 3D में सतह) पर जंप न्यूमैन बाउंड्री कंडीशंस के साथ पॉइसन समीकरण के समाधान के रूप में परिभाषित किया गया है:

$\nabla^2 f(x) = h(x)$ जहाँ $x \in \Omega \setminus M$ ।
निरंतरता की स्थिति (Continuity condition): $f$ , $M$ के पार निरंतर है।
जंप कंडीशन (Jump condition): $f$ का नॉर्मल डेरिवेटिव $M$ के पार एक जंप विच्छिन्नता प्रदर्शित करता है।

ग्रीन्स थर्ड आइडेंटिटी (Green's third identity) का उपयोग करते हुए, समाधान को लैप्लासियन के ग्रीन फंक्शन के बाउंड्री इंटीग्रल के रूप में व्यक्त किया जाता है। गणनात्मक दक्षता के लिए, लेखक इसे $h(x)=0$ और जंप मैग्नीट्यूड को 1 पर सेट करके सरल बनाते हैं, जिससे फीचर फंक्शन फीचर सेट $M$ पर ग्रीन फंक्शन के इंटीग्रल में बदल जाता है।

स्थानीयकरण और त्वरण (Localization and Acceleration):
उच्च लागत वाले ग्लोबल इंटीग्रेशन से बचने के लिए, लेखक एक मॉलिफायर (एक स्मूथ, कॉम्पैक्टली सपोर्टेड फंक्शन) पेश करते हैं। यह ग्लोबल इंटीग्रल को स्थानीय इंटीग्रल्स के योग में विघटित करने की अनुमति देता है। फीचर फंक्शन को स्थानीय योगदानों के भारित योग (weighted sum) के रूप में परिकलित किया जाता है, जो यह सुनिश्चित करता है कि फंक्शन $M$ पर $C^0$ बना रहे और अन्यत्र $C^\infty$ रहे। यह फॉर्मूलेशन $M$ की ज्यामिति के संबंध में पूरी तरह से डिफरेंशिएबल है, जो संयुक्त अनुकूलन (joint optimization) को सक्षम बनाता है।
नेटवर्क आर्किटेक्चर और संरचना (Network Architecture and Composition):
अंतिम नेटवर्क को $\Phi_\theta(x, f(x))$ के रूप में परिभाषित किया गया है, जहाँ $x$ स्थानिक निर्देशांक (spatial coordinates) हैं और $f(x)$ सहायक फीचर है। सैद्धांतिक विश्लेषण (थ्योरम 3.1) पुष्टि करता है कि यदि नेटवर्क फीचर चैनल के प्रति स्थानीय रूप से संवेदनशील है (अर्थात $\partial \Phi / \partial f \neq 0$ ), तो $f$ की गैर-विभेद्यता आउटपुट में स्थानांतरित हो जाती है।

उन जटिल ज्यामितियों को संभालने के लिए जहाँ ग्रेडिएंट जंप का परिमाण अचानक बदल जाता है (उदाहरण के लिए, शार्प किनारों के जंक्शन पर), फीचर सेट $M$ को विलगित उपसमुच्चयों (disjoint subsets) $\{M^{(i)}\}$ में विभाजित किया जाता है। प्रत्येक उपसमुच्चय एक अलग फीचर फंक्शन $f^{(i)}$ से जुड़ा होता है। नेटवर्क इनपुट इन कई फीचर फंक्शन्स को कॉन्कैटिनेट (concatenate) करता है, जिससे मॉडल को पीसवाइज-वेरिंग डायरेक्शनल डेरिवेटिव जंप को प्रदर्शित करने की अनुमति मिलती है।

अनुकूलन (Optimization):
यह फ्रेमवर्क दो मोड का समर्थन करता है:

फिक्स्ड फीचर्स (Fixed Features): जब फीचर ज्यामिति $M$ ज्ञात होती है (जैसे कि एक मेश से), तो $f$ को एक फिक्स्ड प्रायर के रूप में माना जाता है।
लर्नेबल फीचर्स (Learnable Features): जब $M$ अज्ञात होता है, तो $M$ की ज्यामिति को परिभाषित करने वाले मापदंडों को MLP वेट्स $\theta$ के साथ संयुक्त रूप से अनुकूलित किया जाता है। फीचर फंक्शन की डिफरेंशिएबिलिटी $M$ के सापेक्ष, फीचर लोकेशन के एंड-टू-एंड लर्निंग को सक्षम करती है।

प्रमुख योगदान (Key Contributions)

नियंत्रित गैर-विभेद्यता (Controlled Non-differentiability): SharpNet विशिष्ट, उपयोगकर्ता-निर्धारित या सीखने योग्य स्थानों पर $C^0$ निरंतरता के साथ ग्रेडिएंट विच्छिन्नता को लागू करने का एक सिद्धांतपूर्ण तरीका प्रदान करता है, जो मानक MLPs की ग्लोबल स्मूथनेस की सीमा को दूर करता है।
मेशलेस फॉर्मूलेशन (Meshless Formulation): पैच-आधारित या ग्रिड-आधारित विधियों के विपरीत, SharpNet के लिए डोमेन सबडिवीजन या मेश पार्टिशनिंग की आवश्यकता नहीं होती है। यह CSG ट्रीज़ या पैच इंटरसेक्शन की टोपोलॉजिकल बाधाओं के बिना ओपन (गैर-बंद) शार्प किनारों और जटिल टोपोलॉजी का प्रतिनिधित्व कर सकता है।
लर्नेबल फीचर ज्योमेट्री (Learnable Feature Geometry): विधि एक डिफरेंशिएबल फीचर फंक्शन पेश करती है जो पॉइसन समीकरण पर आधारित है, जिससे डेटा (जैसे पॉइंट क्लाउड्स) से शार्प फीचर लोकेशन्स को बिना प्री-सेगमेंटेशन के सीखा जा सकता है।
कुशल मूल्यांकन (Efficient Evaluation): लाइन सेगमेंट/ट्रायंगल्स पर क्लोज्ड-फॉर्म ग्रीन फंक्शन इंटीग्रल्स का उपयोग मॉलिफायर के साथ कुशल स्थानीय मूल्यांकन को सक्षम बनाता है, जिससे यह दृष्टिकोण 3D रिकंस्ट्रक्शन के लिए स्केलेबल बनता है।

परिणाम (Results)
लेखक 2D डिस्टेंस फील्ड फिटिंग और 3D CAD रिकंस्ट्रक्शन कार्यों पर SharpNet को मान्य करते हैं:

2D प्रयोग: जियोडेसिक डिस्टेंस फिटिंग और मीडियल एक्सिस लर्निंग में, SharpNet (Softplus एक्टिवेशन का उपयोग करते हुए) शार्प ट्रांजिशन और मीडियल एक्सिस को सटीक रूप से रिकवर करता है। यह मानक MLPs (जो ओवरस्मूथ करते हैं), ReLU-आधारित MLPs (जो स्प्यूरियस क्रीस पैदा करते हैं), और InstantNGP (जो ग्रिड-अलाइन्ड आर्टिफैक्ट्स उत्पन्न करता है) से बेहतर प्रदर्शन करता है।
3D CAD रिकंस्ट्रक्शन:
- मेश से: SharpNet NH-Rep की तुलना में शार्प किनारों वाले मॉडल्स को अधिक सटीकता से रिकंस्ट्रक्ट करता है, विशेष रूप से ओपन शार्प कर्व्स और हाई-जीनस शेप्स के लिए जहाँ NH-Rep पैच सबडिवीजन सीमाओं के कारण विफल हो जाता है।
- ओरिएंटेड पॉइंट्स से: SharpNet Chamfer Distance (CD), Hausdorff Distance (HD), और Normal Error (NE) में InstantNGP और SIREN से बेहतर है, जो ग्रिड आर्टिफैक्ट्स के बिना शार्प किनारों को प्रभावी ढंग से रिकवर करता है।
- रॉ पॉइंट्स से: बिना नॉर्मल सुपरविजन के, SharpNet NeurCADRecon और SIREN से बेहतर प्रदर्शन करता है, जो अनओरिएंटेड पॉइंट क्लाउड्स से ज्योमेट्री और शार्प फीचर्स दोनों को सीखने में मजबूती प्रदर्शित करता है।
मात्रात्मक मेट्रिक्स (Quantitative Metrics): सभी डेटासेट्स (100 CAD मॉडल्स) में, SharpNet लगातार स्टेट-ऑफ-द-आर्ट बेसलाइन्स की तुलना में कम CD, HD, और NE, तथा उच्च F-1 स्कोर प्राप्त करता है।

महत्व और दावे (Significance and Claims)
पेपर का दावा है कि SharpNet शार्प फीचर्स वाली ज्यामिति के लिए मौजूदा न्यूरल फील्ड रिप्रेजेंटेशन का एक लचीला और सटीक विकल्प प्रदान करता है। शास्त्रीय PDE थ्योरी (जंप न्यूमैन कंडीशंस के साथ पॉइसन समीकरण) और ग्रीन फंक्शन्स का लाभ उठाकर, यह स्मूथ न्यूरल एप्रोक्सिमेशन और शार्प ज्योमेट्रिक फिडेलिटी की आवश्यकता के बीच के अंतर को पाटता है। लेखक जोर देते हैं कि उनकी विधि "लीकिंग" (leaking) को रोकने में सक्षम है (एक समस्या जो मेश-आधारित या ग्रिड-आधारित इंटरपोलेशन में होती है) और फीचर ज्योमेट्री के संयुक्त लर्निंग का समर्थन करती है, जिससे यह उन परिदृश्यों के लिए लागू होता है जहाँ शार्प फीचर्स पहले से ज्ञात नहीं होते हैं। यह कार्य SharpNet को एक बेहतर बैकबोन के रूप में स्थापित करता है, जो जटिल, ओपन और हाई-जीनस स्ट्रक्चर को संभालने में सक्षम है जो वर्तमान पैच-आधारित या ग्रिड-आधारित दृष्टिकोणों को चुनौती देते हैं।

इसी तरह के और पेपर